/[webpac2]/trunk/run.pl
This is repository of my old source code which isn't updated any more. Go to git.rot13.org for current projects!
ViewVC logotype

Diff of /trunk/run.pl

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

revision 214 by dpavlin, Mon Dec 5 17:47:29 2005 UTC revision 507 by dpavlin, Mon May 15 13:15:01 2006 UTC
# Line 7  use File::Temp qw/tempdir/; Line 7  use File::Temp qw/tempdir/;
7  use Data::Dumper;  use Data::Dumper;
8  use lib './lib';  use lib './lib';
9    
10    use WebPAC::Common 0.02;
11  use WebPAC::Lookup;  use WebPAC::Lookup;
12  use WebPAC::Input::ISIS;  use WebPAC::Input 0.03;
13  use WebPAC::Store 0.03;  use WebPAC::Store 0.03;
14  use WebPAC::Normalize::XML;  use WebPAC::Normalize::XML;
15    use WebPAC::Normalize::Set;
16  use WebPAC::Output::TT;  use WebPAC::Output::TT;
 use WebPAC::Output::Estraier 0.02;  
17  use YAML qw/LoadFile/;  use YAML qw/LoadFile/;
18  use LWP::Simple;  use Getopt::Long;
19    use File::Path;
20    use Time::HiRes qw/time/;
21    use File::Slurp;
22    
23  my $limit = shift @ARGV;  =head1 NAME
24    
25  my $config = LoadFile('conf/config.yml');  run.pl - start WebPAC indexing
26    
27  print "config = ",Dumper($config);  B<this command will probably go away. Don't get used to it!>
28    
29    Options:
30    
31    =over 4
32    
33    =item --offset 42
34    
35    start loading (all) databases at offset 42
36    
37    =item --limit 100
38    
39    limit loading to 100 records
40    
41    =item --clean
42    
43    remove database and Hyper Estraier index before indexing
44    
45    =item --only=database_name
46    
47    reindex just single database (legacy name is --one)
48    
49    =item --config conf/config.yml
50    
51    path to YAML configuration file
52    
53    =item --force-set
54    
55    force conversion C<normalize->path> in C<config.yml> from
56    C<.xml> to C<.pl>
57    
58    =item --stats
59    
60    dump statistics about used fields and subfields in each input
61    
62    =back
63    
64    =cut
65    
66    my $offset;
67    my $limit;
68    
69    my $clean = 0;
70    my $config = 'conf/config.yml';
71    my $debug = 0;
72    my $only_db_name;
73    my $force_set = 0;
74    my $stats = 0;
75    
76    GetOptions(
77            "limit=i" => \$limit,
78            "offset=i" => \$offset,
79            "clean" => \$clean,
80            "one=s" => \$only_db_name,
81            "only=s" => \$only_db_name,
82            "config" => \$config,
83            "debug" => \$debug,
84            "force-set" => \$force_set,
85            "stats" => \$stats,
86    );
87    
88    $config = LoadFile($config);
89    
90    print "config = ",Dumper($config) if ($debug);
91    
92  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->{databases});
93    
94    my $log = _new WebPAC::Common()->_get_logger();
95    
96    my $use_indexer = $config->{use_indexer} || 'hyperestraier';
97    $log->info("using $use_indexer indexing engine...");
98    
99  my $total_rows = 0;  my $total_rows = 0;
100    my $start_t = time();
101    
102  while (my ($database, $db_config) = each %{ $config->{databases} }) {  while (my ($database, $db_config) = each %{ $config->{databases} }) {
103    
104          my $type = lc($db_config->{input}->{type});          next if ($only_db_name && $database !~ m/$only_db_name/i);
105    
106          die "I know only how to handle input type isis, not '$type'!\n" unless ($type eq 'isis');          my $indexer;
107    
108            my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
109            $indexer_config->{database} = $database;
110            $indexer_config->{clean} = $clean;
111            $indexer_config->{label} = $db_config->{name};
112    
113            if ($use_indexer eq 'hyperestraier') {
114    
115                    # open Hyper Estraier database
116                    use WebPAC::Output::Estraier '0.10';
117                    $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
118            
119            } elsif ($use_indexer eq 'kinosearch') {
120    
121                    # open KinoSearch
122                    use WebPAC::Output::KinoSearch;
123                    $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});
124                    $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );
125    
126            } else {
127                    $log->logdie("unknown use_indexer: $use_indexer");
128            }
129    
130            $log->logide("can't continue without valid indexer") unless ($indexer);
131    
132            #
133            # now WebPAC::Store
134            #
135          my $abs_path = abs_path($0);          my $abs_path = abs_path($0);
136          $abs_path =~ s#/[^/]*$#/#;          $abs_path =~ s#/[^/]*$#/#;
137    
         my $lookup = new WebPAC::Lookup(  
                 lookup_file => $db_config->{input}->{lookup},  
         );  
   
138          my $db_path = $config->{webpac}->{db_path} . '/' . $database;          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
139    
140            if ($clean) {
141          my $log = $lookup->_get_logger;                  $log->info("creating new database $database in $db_path");
142          $log->info("working on $database in $db_path");                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
143            } else {
144                    $log->debug("working on $database in $db_path");
145            }
146    
147          my $db = new WebPAC::Store(          my $db = new WebPAC::Store(
148                  path => $db_path,                  path => $db_path,
149                    database => $database,
150                    debug => $debug,
151          );          );
152    
         my $est_config = $config->{hyperestraier} || $log->logdie("can't find 'hyperestraier' part in confguration");  
         $est_config->{database} = $database;  
   
         $log->info("using HyperEstraier URL $est_config->{masterurl}");  
   
         my $est = new WebPAC::Output::Estraier(  
                 %{ $est_config },  
         );  
153    
154          #          #
155          # now, iterate through input formats          # now, iterate through input formats
# Line 65  while (my ($database, $db_config) = each Line 158  while (my ($database, $db_config) = each
158          my @inputs;          my @inputs;
159          if (ref($db_config->{input}) eq 'ARRAY') {          if (ref($db_config->{input}) eq 'ARRAY') {
160                  @inputs = @{ $db_config->{input} };                  @inputs = @{ $db_config->{input} };
161          } else {          } elsif ($db_config->{input}) {
162                  push @inputs, $db_config->{input};                  push @inputs, $db_config->{input};
163            } else {
164                    $log->info("database $database doesn't have inputs defined");
165          }          }
166    
167            my @supported_inputs = keys %{ $config->{webpac}->{inputs} };
168    
169          foreach my $input (@inputs) {          foreach my $input (@inputs) {
                 $log->info("working on input $input->{path} [$input->{type}]");  
170    
171                  my $isis = new WebPAC::Input::ISIS(                  my $type = lc($input->{type});
172    
173                    die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));
174    
175                    my $lookup = new WebPAC::Lookup(
176                            lookup_file => $input->{lookup},
177                    );
178    
179                    my $input_module = $config->{webpac}->{inputs}->{$type};
180    
181                    $log->info("working on input '$input->{path}' [$input->{type}] using $input_module lookup '$input->{lookup}'");
182    
183                    my $input_db = new WebPAC::Input(
184                            module => $input_module,
185                          code_page => $config->{webpac}->{webpac_encoding},                          code_page => $config->{webpac}->{webpac_encoding},
186                          limit_mfn => $input->{limit},                          limit => $limit || $input->{limit},
187                            offset => $offset,
188                            lookup => $lookup,
189                            recode => $input->{recode},
190                            stats => $stats,
191                  );                  );
192                    $log->logdie("can't create input using $input_module") unless ($input);
193    
194                  my $maxmfn = $isis->open(                  my $maxmfn = $input_db->open(
195                          filename => $input->{path},                          path => $input->{path},
196                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
197                  );                  );
198    
# Line 87  while (my ($database, $db_config) = each Line 201  while (my ($database, $db_config) = each
201                          db => $db,                          db => $db,
202                          lookup_regex => $lookup->regex,                          lookup_regex => $lookup->regex,
203                          lookup => $lookup,                          lookup => $lookup,
204                            prefix => $input->{name},
205                  );                  );
206    
207                  $n->open(                  my $rules;
208                          tag => $input->{normalize}->{tag},                  my $normalize_path = $input->{normalize}->{path};
209                          xml_file => $input->{normalize}->{path},  
210                  );                  if ($force_set) {
211                            my $new_norm_path = $normalize_path;
212                            $new_norm_path =~ s/\.xml$/.pl/;
213                            if (-e $new_norm_path) {
214                                    $log->debug("--force-set replaced $normalize_path with $new_norm_path");
215                                    $normalize_path = $new_norm_path;
216                            } else {
217                                    $log->debug("--force-set failed on $new_norm_path, fallback to $normalize_path");
218                            }
219                    }
220    
221                    if ($normalize_path =~ m/\.xml$/i) {
222                            $n->open(
223                                    tag => $input->{normalize}->{tag},
224                                    xml_file => $normalize_path,
225                            );
226                    } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {
227                            $n->open_yaml(
228                                    path => $normalize_path,
229                                    tag => $input->{normalize}->{tag},
230                            );
231                    } elsif ($normalize_path =~ m/\.(?:pl)$/i) {
232                            $n = undef;
233                            $log->info("using WebPAC::Normalize::Set to process $normalize_path");
234                            $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";
235                    }
236    
237                  for ( 0 ... $isis->size ) {                  foreach my $pos ( 0 ... $input_db->size ) {
238    
239                          my $row = $isis->fetch || next;                          my $row = $input_db->fetch || next;
240    
241                          my $mfn = $row->{'000'}->[0] || die "can't find MFN";                          my $mfn = $row->{'000'}->[0];
242    
243                          my $ds = $n->data_structure($row);                          if (! $mfn || $mfn !~ m#^\d+$#) {
244                                    $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
245                                    $mfn = $pos;
246                                    push @{ $row->{'000'} }, $pos;
247                            }
248    
249                            my $ds = $n ? $n->data_structure($row) :
250                                    WebPAC::Normalize::Set::data_structure(
251                                            row => $row,
252                                            rules => $rules,
253                                            lookup => $lookup->lookup_hash,
254                                    );
255    
256                          $est->add(                          $indexer->add(
257                                  id => $input->{name} . "#" . $mfn,                                  id => $input->{name} . "/" . $mfn,
258                                  ds => $ds,                                  ds => $ds,
259                                  type => $config->{hyperestraier}->{type},                                  type => $config->{$use_indexer}->{type},
260                          );                          );
261    
262                          $total_rows++;                          $total_rows++;
263                  }                  }
264    
265                    $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
266    
267          };          };
268    
269          $log->info("$total_rows records indexed");          eval { $indexer->finish } if ($indexer->can('finish'));
270    
271            my $dt = time() - $start_t;
272            $log->info("$total_rows records indexed in " .
273                    sprintf("%.2f sec [%.2f rec/sec]",
274                            $dt, ($total_rows / $dt)
275                    )
276            );
277    
278            #
279            # add Hyper Estraier links to other databases
280            #
281            if (ref($db_config->{links}) eq 'ARRAY') {
282                    foreach my $link (@{ $db_config->{links} }) {
283                            if ($use_indexer eq 'hyperestraier') {
284                                    $log->info("adding link $database -> $link->{to} [$link->{credit}]");
285                                    $indexer->add_link(
286                                            from => $database,
287                                            to => $link->{to},
288                                            credit => $link->{credit},
289                                    );
290                            } else {
291                                    $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
292                            }
293                    }
294            }
295    
296  }  }
297    
Legend:
Removed from v.214  
changed lines
  Added in v.507
  ViewVC Help
Powered by ViewVC 1.1.26